rtdl

RTDL (исследования по глубокому обучению)

RTDL ( research на Abular Deep l заработка) - это набор бумаг и пакетов по глубокому обучению для табличных данных.

? Чтобы следовать объявлениям о новых проектах, подпишитесь на выпуски в этом репозитории GitHub: «Смотреть -> Custom -> Выпуски».

Примечание

Список проектов, приведенных ниже, актуален, но пакет Python rtdl устарел. Если вы использовали пакет rtdl , пожалуйста, прочитайте данные.

1. Во -первых, чтобы уточнить, этот репозиторий не устарел, только пакет rtdl устарел: он заменяется другими пакетами.
2. Если вы использовали последнюю rtdl==0.0.13 установленное из PYPI (не из GitHub!) В качестве pip install rtdl , то в пакете rtdl_revisiting_models можно найти те же модели (MLP, Resnet, FT-Transformer), хотя API). другой.
3. ❗ Если вы использовали незаконченный код из основной ветви, настоятельно рекомендуется переключиться на новые пакеты. В частности, незаконченная внедрение встроенных встроенных средств для непрерывных функций содержала много неразрешенных проблем (пакет rtdl_num_embeddings , в свою очередь, является более эффективным и правильным).

Документы

(2024) TABM: продвижение табличного глубокого обучения с эффективным параметром ансамблирования
Использование бумажного кода

(2024) Tabred: анализ ловушек и заполнение пробелов в табличных тестах глубокого обучения
Бумажный код

(2023) TABR: Tabular Deep Learning встречает ближайших соседей
Бумажный код

(2022) TABDDPM: моделирование табличных данных с диффузионными моделями
Бумажный код

(2022) Пересмотр целей предварительного подготовки для табличного глубокого обучения
Бумажный код

(2022) На встроениях для численных особенностей в табличном глубоком обучении
Пакет бумажного кода (RTDL_NUM_EMBEDDINGS)

(2021) Повторное повторение моделей глубокого обучения для табличных данных
Пакет бумажного кода (rtdl_revisiting_models)

(2019) Ансамбли для глубокого обучения на табличных данных не обращают внимания.
Бумажный код